Modal 教程用强化学习训练 Qwen3.5-4B 绘制水彩花

Modal 教程介绍如何用强化学习复现让 Qwen3.5-4B 生成水彩花朵代码草图的实验。流程基于 p5.brush 生成花朵代码，在 Modal Sandbox 中渲染 PNG，并由 Qwen3.6-27B 担任 judge，结合 HuggingEnvs/watercolour-reference-pool 参考图库进行两两对比打分。